Trends Bildverarbeitung + Sensorik
Technologietrends in der Bildverarbeitung: Wohin geht die Reise?
Bild: Di-Soric
Die Welt der Bildverarbeitung steht an der Schwelle zu einer neuen Ära. Mit dem Fortschritt der Produktionstechnologien entwickeln sich die Anwendungen und Möglichkeiten der Bildverarbeitung in rasantem Tempo weiter und verändert die Welt wie wir sie wahrnehmen und mit ihr interagieren. Wohin führt diese Reise? Lassen Sie uns einige der spannendsten Trends genauer betrachten.
Getrieben durch den Bedarf an höherer Automatisierung entwickelt sich die Machine Vision weiter und so ist es nicht verwunderlich, das KI und Deep Learning-Anwendungen komplexe Fehler-, Zeichen- (OCR) und Objekterkennung ermöglichen, die mit klassischer, regelbasierter Bildverarbeitung kaum lösbar gewesen wären. Die Automatisierung wiederum erhöht Qualität und Effizienz in der Produktion und damit auch im Verpackungsprozess immens. Diese Prozesse wiederum benötigen Vision-Sensoren und Bildverarbeitungstechnologie für eine berührungslose Inspektion bei relativ niedrigen Bauteilkosten, hoher Geschwindigkeit und zugleich hoher Datendichte.
Dr. Chris Yates, Präsident der European Machine Vision Association (EMVA), sieht verschiedene Megatrends, durch den der Einsatz von Bildverarbeitungssystemen in Zukunft maßgeblich beeinflusst wird. Einer dieser Megatrends ist gewiss die Digitalisierung der Fertigung und deren Verknüpfung mit dem digitalen Zwilling. Für das Erstellen und Verwenden des digitalen Zwillings ist die industrielle Bildverarbeitung der primäre Datensammler. Denn durch das Umwandeln der gesammelten Daten in Informationen lässt sich eine große Wertschöpfung generieren.
Ein weiterer Megatrend, der hervorzuheben ist, ist die Nachhaltigkeit. Darüber wird man künftig mehr hören, und zwar nicht nur bei bekannten Anwendungen wie der Recyclingsortierung, sondern auch in puncto Materialrückgewinnung zur Wiederverwendung bei der Entwicklung neuer Produkte.
Künstliche Intelligenz und maschinelles Lernen
Künstliche Intelligenz hat die Bildverarbeitungsbranche schon entscheidend beeinflusst, da die Branche zu den ersten Anwendern von KI gehörte. Mithilfe KI-basierter Algorithmen lassen sich komplexe Bildvorverarbeitungsschritte, wie adaptive Rauschunterdrückung, automatische Defekterkennung oder intelligente Segmentierung, direkt in die Kamera- oder Edge-Hardware integrieren. Deep-Learning-Modelle ermöglichen ein deutlich präziseres Anpassen der Vorverarbeitung an spezifische Applikationen. Ein gutes Beispiel sind etwa lernfähige Filter, die sich selbstständig an wechselnde Bedingungen im Produktionsumfeld anpassen. Gleichzeitig wird es möglich, Vorverarbeitung und analytische Auswertung enger zu verzahnen.
Getrieben durch den Bedarf an höherer Automatisierung, entwickelt sich die Machine Vision weiter.
KI kann Bilddaten nicht nur bereinigen oder optimieren, sondern bereits erste Merkmale und Auffälligkeiten identifizieren, was die Effizienz nachfolgender Prozessschritte erheblich steigert.
Cognex Corporation, ein Anbieter industrieller Bildverarbeitungslösungen, kündigt mit Onevision eine neue cloudbasierte Plattform an, die die Entwicklung, das Training und die Skalierung KI-gestützter Bildverarbeitungsanwendungen grundlegend vereinfacht und beschleunigt. „Onevision ist das Ergebnis von fast zehn Jahren intensiver Entwicklungsarbeit im Bereich industrieller KI“, erklärt Carl Gerst, Executive Vice President für Vision- und ID-Produkte. „Mit dieser Plattform kombinieren wir unsere KI-Technologie mit einer intuitiven Nutzererfahrung und schaffen so neue Möglichkeiten die Automatisierung effizienter und wirtschaftlicher zu gestalten.“ Die Plattform vereint Tools, Daten und Workflows für eine nahtlose Zusammenarbeit und schnellere Implementierung über Geräte, Produktionslinien und Standorte hinweg.
Der Technologieführer MVTec, München, erweiterte mit die Halcon Version 25.11 um weitere Deep Learning Features. Der Fokus lag dabei auf Geschwindigkeit. „Geschwindigkeit ist ein wesentlicher Faktor dafür, dass Deep-Learning-basierte Anwendungen in der Praxis gewinnbringend eingesetzt werden können. Für die neue Software-Version haben wir die Deep-Learning-Modelle für die Klassifizierung und das Code-Lesen optimiert. Dadurch wird die Interferenz um ein Vielfaches beschleunigt,“ sagt Jan Gärtner, Product Manager Halcon bei MVTec.
Anzeige
Edge Computing in der Bildverarbeitung
"Kleiner, schneller, smarter", so könnte man einen weiteren Trend zusammenfassen. Beim sogenannten Edge Computing werden Daten direkt am Ort der Datenerfassung verarbeitet, wodurch die Notwendigkeit entfällt, riesige Bilddatenmengen durch das Internet zu übertragen. Möchte der Anwender das Bildverarbeitungssystem möglichst platzsparend verbauen, sind Edge Computing und Embedded Vision Systeme genau richtig. Vertreter solcher kompakter Embedded-Vision-Geräte sind intelligente Kameras, die Bilder nicht nur aufnehmen und an Host-PCs zur weiteren Verarbeitung senden, sondern die Bildanalyse mit integriertem KI-Beschleuniger selbst durchführen und daraus ganz eigenständig prozessrelevante Ergebnisse erzeugen. Damit übernehmen diese Geräteklassen eine neue Rolle in vernetzten Systemen. Sie sind nicht mehr nur Teil der Bildverarbeitung, sondern agieren als vollständiges System. Zur Kommunikation unterstützen deren Schnittstellen Industrieprotokolle, wie OPC UA, tauschen so Ergebnisdaten direkt mit Maschinen und Steuerungen aus und arbeiten damit nahtlos in Industrie 4.0 Anwendungen.
Mit IDS NXT hat IDS Imaging Development Systems aus Obersulm, eine Plattform für eine neue Generation von Vision Systemen für industrielle Anwendungen geschaffen, die beispielsweise als leistungsstarke Vision Sensoren in der Fertigungsautomation eingesetzt werden können. Mit digitalen Ein- und Ausgängen, RS-232 und einem REST Webservice stellen diese Kameras Standardschnittstellen zur Verfügung, mit denen sie flexibel einsetzbar sind. Das zustandslose REST-Interface ermöglicht die Verbindung zu allen Web-kompatiblen Geräten, wodurch die Kameras für eine IoT-Netzwerkstruktur optimal aufgestellt sind. Mit den vorhandenen Tools und Schnittstellen der Inferenzkamera Plattform ist die Integration in Bestandsanlagen mit bewährter Technik genauso einfach möglich, wie in zukünftige Anlagen mit web-kompatibler IoT-Struktur.
3D-Bildgebungstechnologien
Da die traditionelle 2D-Bildgebung ihre Grenzen hat, ist die Einführung und Weiterentwicklung von 3D-Bildgebungstechnologien notwendig. Medizintechnologien profitieren enorm von dieser Entwicklung, beispielsweise durch präzisere und detailliertere Darstellungen in der Chirurgie und Diagnostik. In der Verpackungsindustrie ist 3D-Bildgebung einer der größten Automatisierungshebel, vor allem für Qualität, Geschwindigkeit und Flexibilität. Eine außergewöhnliche 3D-Vision für Depalettierung und großvolumiges Bin Picking bietet hier zum Beispiel Stemmer Imaging, München. Die Zivid-Serie meistert alle Herausforderungen der Warehouse-Automation, von der Kommissionierung (Zivid 2+ MR60/MR130) über Piece Picking (Zivid 2+ LR110) bis zur vollständigen Depalettierung (Zivid 3 XL250).
Erweiterte Bildsensoren
Die Innovation in der Sensortechnologie hat zur Entwicklung anspruchsvollerer Bildsensoren geführt, die in der Lage sind, lichtempfindlichere und höher aufgelöste Bilder zu erfassen. Diese verbesserten Sensoren sind besonders wertvoll in Bereichen wie der medizinischen Bildgebung, wo präzise Bilder essenziell sind. Aber auch in der Materialzuführung, der Montage-, Handhabungs- sowie in der Verpackungs- und Abfülltechnik finden sie Anwendung, wie die optischen Sensoren der Baureihen O-33 und O-34 von Di-soric, Urbach. So zum Beispiel bei der Zuführung von Hygieneartikeln von der Primärverpackung zur Kartonierstation. Die weichen Schlauchbeutel sind unterschiedlich dick und an der Oberfläche uneben. Sie haben wechselnde Designs, mitunter glänzende Flächen und sind gelegentlich mit Aufklebern versehen. Zwei Flex-Picker übernehmen im vollautomatisierten Verpackungsprozess die Aufgabe, die Beutel zielsicher und schnell zu greifen und vom Band in bereitgestellte Kartons zu transportieren. Dies setzt voraus, dass der über dem Band montierte Sensor die Objekte zuverlässig erkennt und die Steuerung den Delta-Robotern das „Go“ für den Zugriff erteilt. Der eingesetzte Laser-Reflexionslichttaster vom Typ OH34-LR im robusten Edelstahlgehäuse schaltet zuverlässig, sobald er eine Abweichung beim Abstand, der Distanz oder Intensität detektiert. Die Reflexionslichttaster mit Hintergrundausblendung decken Entfernungen von bis zu 1.000 mm ab. Je nach Anforderung nutzen sie Laser- oder LED-Lichtquellen mit ultrafeinen, mittleren oder großen Lichtflecken.
Spannende Reise jenseits der Pixel
Die Fortschritte in der Bildverarbeitung sind ein aufregender Vorbote dessen, was noch kommen mag. Von der Verbesserung alltäglicher Erfahrungen bis hin zur Lösung komplexer globaler Herausforderungen – die Reise der Bildverarbeitungstechnologien ist zweifellos eine spannende.
Autor: Harald Wollstadt